pgrust 监控指南：pg_stat_statements 与性能观测实战

pgrust 监控指南：pg_stat_statements 与性能观测实战

【免费下载链接】pgrust Postgres rewritten in Rust, now faster than Postgres and Clickhouse 项目地址: https://gitcode.com/GitHub_Trending/pg/pgrust

数据库跑得再快，如果不知道瓶颈在哪里，性能优化就无从下手。pgrust 作为一款用 Rust 重写 PostgreSQL 的开源数据库，在基准测试中展现出超越原生 Postgres 甚至 ClickHouse 的惊人性能，而要让这份性能红利真正落地，一套可靠的可观测手段必不可少。这篇 pgrust 监控指南，将带你从零上手 pg_stat_statements，掌握 SQL 级性能观测的核心方法，快速定位慢查询与资源消耗大户。

为什么 pgrust 也需要 pg_stat_statements？

pgrust 把 PostgreSQL 的核心代码用 Rust 逐行重写，性能表现亮眼，但它的监控体系依然与原生生态保持兼容。pg_stat_statements 是 PostgreSQL 生态中最经典的 SQL 性能统计扩展，在 pgrust 中同样被完整移植，并且做到了与 C 语言原版 1:1 的忠实还原。

在 pgrust 中，pg_stat_statements 的实现位于 crates/contrib/pg_stat_statements/，核心逻辑分散在几个文件中：

• lib.rs：模块入口，注册执行器、规划器钩子与共享内存
• normalize.rs：SQL 文本归一化
• store.rs：统计数据的存储与聚合
• shmem.rs：共享内存管理

它能告诉你每条 SQL 的执行次数、总耗时、平均耗时、扫描行数、缓存命中情况，甚至 WAL 写入量，是排查性能问题时的第一手数据源。

一键安装 pg_stat_statements 扩展

第一步：修改配置并预加载

启用 pg_stat_statements 前，需要先在数据库配置中声明预加载，这样共享内存才能在启动时分配好：

shared_preload_libraries = 'pg_stat_statements'
compute_query_id = on

配置完成后重启 pgrust 实例。注意 compute_query_id = on 必须开启，否则查询无法生成稳定的 queryid，统计也就无从谈起。

第二步：创建扩展

进入数据库执行：

CREATE EXTENSION pg_stat_statements;

在 pgrust 中，扩展脚本被压缩合并成了一个 1.12 版本的基础安装脚本，一次 CREATE EXTENSION 就能直接完成全部对象创建，无需走繁琐的升级链。扩展的 SQL 定义位于 extension/pg_stat_statements--1.12.sql，控制文件在 pg_stat_statements.control。

核心视图解读：三条查询看透数据库性能

1. 找出最慢的 SQL（总耗时排序）

SELECT query, calls, total_exec_time, mean_exec_time, rows
FROM pg_stat_statements
ORDER BY total_exec_time DESC
LIMIT 10;

这一条就能揪出数据库里最耗时的十条 SQL。如果 calls 很大但 mean_exec_time 很小，说明是高频小查询；如果 mean_exec_time 很大，则是单条慢查询，需要重点优化执行计划。

2. 定位缓存命中率低的语句

SELECT query,
       shared_blks_hit,
       shared_blks_read,
       shared_blks_read::float8 /
         NULLIF(shared_blks_hit + shared_blks_read, 0) AS miss_ratio
FROM pg_stat_statements
WHERE shared_blks_hit + shared_blks_read > 0
ORDER BY miss_ratio DESC
LIMIT 10;

缓存未命中率高的 SQL 往往伴随大量磁盘 I/O，是性能杀手。结合 temp_blks_read、temp_blks_written 还能发现哪些语句在疯狂使用临时文件。

3. 查看统计状态与清理

SELECT * FROM pg_stat_statements_info;

该视图返回已淘汰的语句数量 dealloc 和统计重置时间 stats_reset。需要清零统计重新观测时，调用：

SELECT pg_stat_statements_reset();

该函数支持按 userid、dbid、queryid 精确清理，只重置指定范围的数据，非常适合压测前后的对比观测。完整字段定义见 pg_stat_statements--1.12.sql。

性能观测实战：从数据到结论的四步法

第一步：观察整体负载

先看 calls、total_exec_time 的分布，确认是少数几条语句吃掉了大部分时间，还是负载均匀分散。二八法则在这里同样成立：通常 10% 的语句贡献了 80% 的耗时。

第二步：区分计划与执行

新版 pg_stat_statements 将 total_plan_time 与 total_exec_time 分开统计。若某条语句 total_plan_time 占比异常高，说明优化器规划成本偏高，可考虑通过参数化查询或调整 plan_cache_mode 来改善。

第三步：分析 I/O 特征

结合 shared_blks_hit 与 shared_blks_read 的比值判断索引是否生效；结合 wal_bytes、wal_records 判断写入密集程度。对于写入型业务，WAL 指标直接关联到刷盘压力。

第四步：定期重置、建立基线

监控不是一次性行为。建议在业务稳定期 pg_stat_statements_reset() 清零，运行一段时间后收集数据作为性能基线，后续每次发布或调参后对比基线，让优化效果一目了然。

pgrust 监控的进阶思路

pg_stat_statements 解决的是 SQL 层面的问题，如果你想做更完整的性能观测，可以沿着 pgrust 的代码结构继续深入：统计相关的底层类型定义在 crates/_support/types/types_pgstat/，后端统计子系统在 crates/backend/statistics/，数据库级统计实现在 crates/backend/utils/activity/activity_pgstat/。理解这些模块，你就能在 Rust 层面定制属于自己的监控指标。

结语

性能优化的前提是准确的观测。借助 pg_stat_statements，你可以在 pgrust 上快速建立一套 SQL 级性能监控体系，把「感觉慢」变成「数据说话」。从安装扩展、读懂核心视图，到建立性能基线，这套 pgrust 监控指南已经覆盖了日常运维中最实用的路径。剩下的，就是到你的真实业务里去跑一跑、看一看，让每一次查询优化都有据可依。🚀

【免费下载链接】pgrust Postgres rewritten in Rust, now faster than Postgres and Clickhouse 项目地址: https://gitcode.com/GitHub_Trending/pg/pgrust